DESAIN SISTEM KONTROL RASIO PERBANDINGAN · PDF fileadalah kendali Adaptif PID dengan penalaan...
Transcript of DESAIN SISTEM KONTROL RASIO PERBANDINGAN · PDF fileadalah kendali Adaptif PID dengan penalaan...
1) Mahasiswa Teknik Elektro UNDIP
D1 2) Dosen Teknik Elektro UNDIP
DESAIN SISTEM KONTROL RASIO PERBANDINGAN UDARA DAN
BAHAN BAKAR (AFR) PADA MESIN 4 LANGKAH DENGAN METODE
PENALAAN PID BERBASIS LOGIKA FUZZY
Muhammad Danang Nuralamsyah1)
, Aris Triwiyatno2)
, dan Budi Setiyono2)
Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
E-mail: [email protected]
Abstrak
Untuk menjaga supaya pemakaian bahan bakar pada mesin spark ignition tipe 4 langkah pada kondisi optimal, dapat
diatasi dengan cara mengatur jumlah injeksi bahan bakar terhadap setiap perubahan unjuk kerja sistem. Dengan adanya
pengaturan terhadap injeksi bahan bakar akan meningkatkan efektifitas pembakaran yang secara tidak langsung juga
mengurangi kadar emisi pada gas buang. Pada Tugas Akhir ini, akan dilakukan penelitian tentang sistem cerdas injeksi
bahan bakar untuk mengoptimalkan Air to Fuel Ratio (AFR) pada mesin 4 langkah. Metode kendali yang digunakan
adalah kendali Adaptif PID dengan penalaan yang berbasis logika fuzzy pada tiap parameternya. Hasil perancangan
Adaptif PID dibandingkan dengan sistem tanpa kontroler dan PID kontroler konvensional. Berdasarkan simulasi
menggunakan Matlab, menunjukkan bahwa respon sistem mesin 4 langkah dengan kontroler Adaptif PID berbasis
logika fuzzy yang dirancang memiliki faktor ketahanan yang paling baik, rise time yang paling cepat, overshoot yang
kecil dan integral area error (IAE) paling rendah dibanding dengan metode uji yang lain.
Kata kunci : spark ignition, air to fuel ratio, adaptif PID
Abstract
To keep the fuel consumption in optimal conditions ,it can be solved in regulating the quantity of fuel injected to any
changes in system performance. With the arrangement of the fuel injection, this condition will increase the effectiveness
of combustion, which indirectly also reduce exhaust gas emissions. In this final project, the research is conducted on
intelligent systems to optimize the fuel injection of Air to Fuel Ratio (AFR) in Spark Ignition engines. The control
method is PID control with fuzzy logic tuning based for each parameter. The Adaptive PID design results is compared
with the system without controller and the conventional of PID controller. Based on the simulation using Matlab, it
show that the response of Spark Ignition engine with Adaptive PID controller has a most excellent resistance factor, the
fastest rise time, small of overshoot and the integral area error lower than other test methods.
Keyword : spark ignition, air to fuel ratio,adaptive PID
1. Pendahuluan
Mesin-mesin otomotif saat ini dituntut untuk
menghasilkan performa yang tinggi dengan konsumsi
bahan bakar yang rendah serta menghasilkan nilai emisi
yang rendah. Untuk menghasilkan mesin dengan kadar
emisi yang rendah dengan performa yang baik dapat
diperoleh dengan cara mengatur waktu injeksi bahan
bakar[2]
.
Jika waktu injeksi yang diberikan terlalu lama maka dapat
menyebabkan peningkatan emisi gas buang dan
penggunaan bahan bakar pada mesin menjadi boros. Jika
waktu injeksi yang diberikan terlalu pendek maka injeksi
bahan bakar yang diberikan terlalu sedikit sehingga dapat
membakar valve pada ruang pembakaran.Jika waktu
pengapian yang diberikan tidak tepat maka dapat terjadi
detonasi. Oleh karena itu, agar diperoleh lama waktu
injeksi dan waktu pengapian yang tepat maka digunakan
metode-metode yang dapat memberikan aksi kontrol
berupa pulsa lama waktu injeksi dan waktu pengapian
yang sesuai dengan kebutuhan sistem pembakaran[3]
.
Tujuan dari penelitian ini adalah untuk merancang suatu
pemodelan dari sistem pengontrolan Air to Fuel Ratio
(AFR) pada mesin Spark Ignition dengan menggunakan
metode kontrol PID gain scheduling menggunakan logika
fuzzy (PID Fuzzy gain scheduling) yang diharapkan bisa
mengurangi emisi gas buang pembakaran dengan cara
memperhatikan nilai kestabilan dari AFR model sistem
D2
pada angka stokiometri. Yang selanjutnya akan dilakukan
analisis terhadap model mesin Spark Ignition yang telah
dirancang berdasarkan unjuk kerja yang dihasilkan.
2 Metode
2.1 Mesin Spark Ignition Spark Ignition Engine (Mesin Pengapian Busi)
merupakan salah satu jenis mesin bakar yang
membutuhkan pemicu berupa percikan bunga api untuk
meledakkan campuran udara dan bahan bakar dalam
ruang bakarnya. Energi yang dihasilkan oleh reaksi
pembakaran akan menyebabkan piston terdorong dan
memutar poros mesin[7]
. Mesin pengapian busi memiliki 4
siklus berurutan, yaitu siklus hisap (intake), siklus
kompresi (compression), siklus pembakaran (combustion)
atau siklus kerja (power), dan siklus buang (exhaust)[11]
.
Ilustrasi dari tiap siklus dapat dilihat pada gambar 1.
Gambar 1. Siklus kerja mesin 4 langkah[12]
Model Spark Ignition Engine yang digunakan dalam
penelitian ini merupakan model Spark Ignition Engine
yang telah digunakan pada penelitian sebelumnya[4]
.
Telah dipaparkan bahwa sistem Spark Ignition Engine
mempunyai 3 subsistem penyusun penting yang
menggambarkan perilaku aliran massa bahan bakar (air
pressure and temperature manifold), aliran bahan bakar
(intake manifold/ fuel flow dynamics), dan percepatan dari
poros engkol (crankshaft).
Fuel Flow Dynamics
Dengan menggunakan karakteristik massa aliran
bahan bakar pada mesin yang telah dilakukan oleh Elbert
Hendricks[4]
pada penelitiannya di Technical University
of Denmark, didapatkan persamaan sebagai berikut.
= (1 - ) +
(- ) (1)
= ((1 - ) +
(- )) x
(2)
Manifold Filling Dinamics
Didalam subsistem manifold filling dinamics terdapat
dua subsistem penyusun, yaitu air pressure manifold dan
air temperature manifold.
(3)
(
)
(4)
Sedangkan untuk persamaan air temperature manifold
terdapat pada persamaan (6). Persamaan state ini
menggambarkan perkembangan waktu variabel dengan
menggunakan konservasi tinggi.
(
) (5)
Crank Shaft Speed
Subsistem terakhir adalah dinamika dari poros
engkol (crank shaft). Didalam subsistem kecepatan crank
shaft daya dari gesekan, pompaan, beban, momen inersia
dan delay dari torsi crank shaft adalah salah satu faktor
yang mempengaruhi kecepatan mesin. Persamaan (9)
adalah persamaan untuk kecepatan mesin.
(( ) )
(
)
(9)
2.1 Pemodelan Plant Spark Ignition Engine Persamaan (1) hingga persamaan (9) merupakan
persamaan model matematika dari sistem spark ignition
engine. Pada model tersebut terdapat beberapa parameter
yang dibutuhkan untuk dipanggil ke workspace. Berikut
gambar plant sistem spark ignition:
Gambar 2 Sistem spark ignition engine.
Sedangkan parameter model sistem tersebut ditampilkan
pada Tabel 1. Tabel 1 Parameter fisik model[4]
Parameter Nilai Satuan
TEGR 293 Kelvin
Ta 293 Kelvin
pa 1,013 bar
Hu 4,3 x 104 -
R 287 x 10-5
Kg/detik
Lth 14,67 Air/fuel ratio
Lam 1 -
Iac 0,48 Kg m2
dmegrdt 0 kg/detik
Vd 1,275 liter
k 1,4 -
pi2ini 0,23926 bar
Ti2ini 293 kelvin
n2ini 0,9 krpm
pi2 0,24 bar
Ti2 293 kelvin
Vi 1,692 x 10-5
J/kg oF
D3
2.2 Perancangan Kontrol Adaptif PID
Berbasis Logika Fuzzy Pada tugas akhir ini logika fuzzy digunakan untuk
mengubah parameter pengendali PID yaitu nilai Kp
(proportional gain), Ki (integral gain), dan Kd (derifative
gain). Terdapat dua masukkan pada sistem logika fuzzy
nya, yaitu nilai error dan delta error. Blok diagram
sistem pengendalian Adaptif PID berbasis logika fuzzy
ditunjukkan pada gambar 3.
Gambar 3. Simulink kontroler Adaptif PID
Keluaran dari kendali Adaptif PID (u) akan masuk
ke dalam subsistem fuel flow dynamics. Sinyal kendali
tersebut akan mengurangi atau menambahi jumlah massa
fuel injection / bahan bakar yang disemprotkan dengan
tujuan akhir dapat mengimbangi jumlah massa udara
sehingga perbandingan keduanya sesuai dengan yang
diinginkan yaitu 14,67. Untuk penggambarannya sinyal
kendali yang masuk ke subsistem sebagai berikut:
Gambar 4. Sinyal kendali Adaptif PID (u)
Langkah-langkah yang dilakukan dalam
perancangan kontroler dengan PID gain scheduling
dengan logika fuzzy menggunakan simulink adalah
sebagai berikut :
1. Menentukan parameter tuning PID terbaik
berdasarkan simulasi pada Simulink
2. Menetapkan data masukkan dan keluaran
Terdapat 2 masukkan, yaitu error dan delta
error air to fuel ratio. Sedangkan untuk keluaran
sisstem fuzzy ada tiga, yaitu nilai crisp dari logika
fuzzy yang dimisalkan dengan “kape, kai, dan kade”.
3. Fuzzifikasi
Fungsi keanggotaan yang digunakan pada
perancangan ini adalah segitiga sebanyak masing-
masing 3 buah dan 2 trapesium sebagai penutup
batas range parameter untuk Error, dError dan
Control Action (“Kape”, “Kai”, dan “Kade”).
(a)
(b)
(c)
Gambar 5. Fungsi keanggotaan (a) Error,
(b) dError, (c) Control Action
4. Membuat aturan fuzzy yang akan digunakan dalam
operasi fuzzy
Aturan dasar (rule base) yang dipakai pada
tugas akhir ini adalah aturan yang berjumlah 25
buah yang merupakan kombinasi dari fungsi
keanggotaan Error, dError dan Control Action. Tabel 2. Tabel aturan dasar
dE E NB NS Z PS PB
NB vbig vbig big med med
NS big big sm med med
Z big big vsm sm sm
PS med med vsm sm big
PB sm sm sm big vbig
5. Metode pengambilan keputusan (inferensi atau rule
evaluation)
Pada Tugas Akhir ini, metode pengambilan
keputusan yang digunakan adalah metode MAX-
MIN (metode Mamdani).
6. Defuzzifikasi.
Metode defuzifikasi yang digunakan adalah
metode centroid. Metode centroid dikenal sebagai
metode COA (center of area) atau metode Center of
Grafity. Pada metode ini nilai crisp keluarannya
diperoleh berdasarkan titik berat dari kurva hasil
proses pengambilan keputusan.
D4
3. Simulasi dan Analisis
3.1 Pengujian Perbandingan Sistem dengan
Gangguan Negatif (Berkurangnya
Pasokan Udara) pada Air Charge Dengan memberikan masukan berupa sinyal step up
dan gangguan negatif (pengurangan suplay udara) pada
air charge nya, maka dilakukan beberapa analisa, yaitu:
1) Perbandingan AFR
Gambar 6. Grafik perbandingan kecepatan mesin
sistem dengan gangguan negatif pada air charge
Gambar 6 merupakan perbandingan Air to Fuel
Ratio dari ketiga model sistem dengan gangguan pada air
charge. Pada sistem tanpa kontroler overshoot dari
sistem mencapai 0.99 dari (mencapai angka 15.66), pada
sistem dengan kontroler PID AFR hanya mencapai angka
15,42, dan pada sistem dengan menggunakan metode PID
fuzzy gain scheduling AFR hanya mencapai angka 15,12.
2) Perbandingan kecepatan mesin.
Gambar 7. Grafik perbandingan kecepatan mesin
sistem dengan gangguan negatif pada air charge
Dari hasil simulasi, sistem dengan kontroler
memiliki kecepatan yang lebih baik sebelum mencapai
detik ke 10, karena sistem dengan kontroler memiliki rise
time yang lebih cepat untuk mencapai set point. Tetapi
setelah melewati detik ke 10, sistem tanpa kontroler
memiliki kecepatan mesin yang lebih rendah dibanding
dengan sistem dengan kontroler, yaitu sebesar 4226 rpm.
Hal ini dikarenakan nilai AFR pada sistem tanpa kontroler
tidak dapat kembali ke nilai set point nya, pada sistem ini
AFR tertahan pada titik 14,32.
3) Perbandingan integral area error
Gambar 8. Perbandingan integral area error dengan
gangguan negatif pada air charge
Terlihat bahwa integral area error yang paling besar
dimiliki oleh sistem tanpa kontroler, yaitu sebesar 21,15.
Pada sistem dengan kontroler PID konvensional, besarnya
integral area error hanya mencapai angka 2,33.
Sedangkan pada sistem dengan kontroler PID Adaptif
hanya mencapai angka 1,08. Hal ini membuktikan sistem
dengan kontroler PID sudah cukup baik namun sistem
dengan kontroler PID Adaptif memiliki hasil yang lebih
baik.
4) Perbandingan konsumsi bahan bakar, torsi, dan daya
mesin
Tabel 3. Perbandingan analisis konsumsi bensin, torsi,
dan daya mesin pada ketiga model sistem dengan
gangguan negatif pada air charge
No. Analisis Tanpa
kontroler
Kontroler
PID
Kontroler
Adaptif PID
1.
Konsumsi
bensin
(Kg/50 s)
0,1203 0,1171 0,1169
2. Torsi (Nm) 137,2 138,4 138,4
3 Daya (HP) 82,52 82,12 82,12
Pada model sistem tanpa kontroler akan
mengkonsumsi bensin lebih banyak dibanding sistem
dengan kontroler. Karena dengan terjadinya pengurangan
pasokan udara pada air charge membuat massa bahan
bakar yang diinjeksikan pada sistem yang dikontrol
berusaha mengimbangi jumlah massa udara agar
mencapai nilai stoichiometric air fuel ratio yaitu 14,67.
Sedangkan pada sistem tanpa kontroler jumlah massa
udara berkurang tidak membuat jumlah massa bahan
bakar ikut berkurang karena tidak adanya kontroler yang
berusaha menjaga nilai air fuel ratio tetap pada 14,67.
Sedangkan untuk analisa hasil dari torsi mesin,
sistem pembakaran non injeksi memiliki nilai torsi yang
lebih kecil dibandingkan dengan sistem dengan kontroler.
Tetapi ditinjau dari segi daya mesin, sistem tanpa
kontroler (sistem pembakaran konvensional) memiliki
daya yang lebih tinggi dibanding dengan sistem fuel
injection. Hal ini dikarenakan semakin kecil perbandingan
konsentrasi udara dengan bahan bakar maka daya yang
dihasilkan mesin akan semakin besar.
D5
3.2 Pengujian Perbandingan Sistem dengan
Gangguan Negatif (Berkurangnya
Pasokan Bahan Bakar) pada Fuel
Injector Dengan memberikan masukan berupa sinyal step up
dan gangguan negatif (pengurangan pasokan bahan bakar)
pada fuel injector nya, maka dilakukan beberapa analisa,
yaitu:
1) Perbandingan AFR
Gambar 9. Grafik perbandingan kecepatan mesin
sistem dengan gangguan negatif pada fuel injector
Gambar 9 merupakan perbandingan Air to Fuel
Ratio dari ketiga model sistem dengan gangguan pada
sistem fuel injector. Pada sistem tanpa kontroler
overshoot dari sistem mencapai 2,81 dari (mencapai
angka 17,48), sedangkan pada sistem dengan kontroler
PID AFR hanya mencapai angka 16,77, dan pada sistem
dengan menggunakan metode Adaptif PID AFR hanya
mencapai angka 16,02.
2) Perbandingan kecepatan mesin.
Gambar 10. Grafik perbandingan kecepatan mesin
sistem dengan gangguan negatif pada fuel injector
Dari hasil simulasi, sistem dengan kontroler
memiliki kecepatan yang lebih baik, karena sistem dengan
kontroler memiliki rise time yang lebih cepat untuk
mencapai set point. Dan begitu pun setelah melewati detik
ke 10 (setelah mengalami gangguan pada fuel injector),
sistem dengan kontroler memiliki kecepatan mesin yang
lebih besar yaitu mencapai 4363 rpm sedangkan sistem
tanpa kontroler hanya mencapai 4283 rpm, hal ini
dikarenakan nilai AFR pada sistem tanpa kontroler tidak
dapat kembali ke nilai set point nya, pada sistem ini AFR
tertahan pada angka 15,19.
3) Perbandingan integral area error
Gambar 11. Perbandingan integral area error dengan
gangguan negatif pada fuel injector
Terlihat bahwa integral area error yang paling besar
dimiliki oleh sistem tanpa kontroler, yaitu sebesar 30,12.
Pada sistem dengan kontroler PID yang detuning secara
tial error, besarnya integral area error hanya mencapai
angka 2,784. Sedangkan pada sistem dengan kontroler
PID Adaptif hanya mencapai angka 1,322. Hal ini
membuktikan sistem dengan kontroler PID sudah cukup
baik namun sistem dengan kontroler PID Adaptif
memiliki hasil yang lebih baik.
4) Perbandingan konsumsi bahan bakar, torsi, dan daya
mesin
Tabel 3. Perbandingan analisis konsumsi bensin, torsi,
dan daya mesin pada ketiga model sistem dengan
gangguan negatif pada fuel injector
No. Analisis Tanpa
kontroler
Kontroler
PID
Kontroler
Adaptif PID
1.
Konsumsi
bensin
(Kg/50 s)
0,1203 0,126426 0,126439
2. Torsi (Nm) 133,5 131,3 131,3
3 Daya (HP) 80,27 80,43 80,43
Pada model sistem tanpa kontroler akan
mengkonsumsi bensin lebih sedikit bensin dibanding
sistem dengan kontroler. Karena dengan terjadinya
pengurangan pasokan bahan bakar membuat massa udara
dalam manifold pada sistem yang dikontrol berusaha
mengimbangi jumlah massa bahan bakar agar mencapai
nilai stoichiometric air fuel ratio yaitu 14,67. Sedangkan
pada sistem tanpa kontroler jumlah massa bahan bakar
berkurang tidak membuat jumlah massa udara ikut
berkurang karena tidak adanya kontroler yang berusaha
menjaga nilai air fuel ratio tetap pada 14,67.
Sedangkan untuk analisa hasil dari torsi mesin,
sistem pembakaran non injeksi memiliki nilai torsi yang
paling besar dibandingkan dengan sistem dengan
kontroler. Tetapi ditinjau dari segi daya mesin, sistem
tanpa kontroler (sistem pembakaran konvensional)
memiliki daya yang lebih rendah dibanding dengan sistem
fuel injection. Hal ini dikarenakan semakin besar
perbandingan konsentrasi udara dengan bahan bakar maka
daya yang dihasilkan mesin akan menurun.
D6
3.3 Pengujian Perbandingan Sistem dengan
Gangguan Positif (Bertambahnya
Pasokan Udara) pada Air Charge Dengan memberikan masukan berupa sinyal step up
dan gangguan positif (bertambahnya pasokan udara) pada
air charge nya, maka dilakukan beberapa analisa, yaitu:
1) Perbandingan AFR
Gambar 12. Grafik perbandingan kecepatan mesin
sistem dengan gangguan positif pada air charge
Gambar 12 merupakan perbandingan Air to Fuel
Ratio dari ketiga model sistem dengan gangguan pada
sistem air charge. Pada sistem tanpa kontroler overshoot
dari sistem mencapai 2,32 dari (mencapai angka 16,99),
sedangkan pada sistem dengan kontroler PID AFR hanya
mencapai angka 16,37, dan pada sistem dengan
menggunakan metode Adaptif PID AFR hanya mencapai
angka 15,67. Serta dapat dilihat, pada sistem tanpa
kontroler pasca diberi gangguan pada air charge
kestabilan sistem tidak dapat mencapai set point lagi, dari
grafik terlihat set point AFR sistem tanpa kontroler hanya
mencapai angka 15,02.
2) Perbandingan kecepatan mesin.
Gambar 13. Grafik perbandingan kecepatan mesin
sistem dengan gangguan positif pada air charge
Dari hasil simulasi, sistem dengan kontroler
memiliki kecepatan yang lebih baik, karena sistem dengan
kontroler memiliki rise time yang lebih cepat untuk
mencapai set point. Dan begitu pun setelah melewati detik
ke 10 (setelah mengalami gangguan pada air charge),
sistem dengan kontroler memiliki kecepatan mesin yang
lebih besar yaitu mencapai 4338 rpm sedangkan sistem
tanpa kontroler hanya mencapai 4283 rpm, hal ini
dikarenakan nilai AFR pada sistem tanpa kontroler tidak
dapat kembali ke nilai set point nya, pada sistem ini AFR
tertahan pada angka 15,02.
3) Perbandingan integral area error
Gambar 14. Perbandingan integral area error dengan
gangguan positif pada air charge
Terlihat bahwa integral area error yang paling besar
dimiliki oleh sistem tanpa kontroler, yaitu sebesar 22,7.
Pada sistem dengan kontroler PID yang detuning secara
tial error, besarnya integral area error hanya mencapai
angka 2,664. Sedangkan pada sistem dengan kontroler
PID Adaptif hanya mencapai angka 1,265. Hal ini
membuktikan sistem dengan kontroler PID sudah cukup
baik namun sistem dengan kontroler PID Adaptif
memiliki hasil yang lebih baik.
4) Perbandingan konsumsi bahan bakar, torsi, dan daya
mesin
Tabel 4. Perbandingan analisis konsumsi bensin, torsi,
dan daya mesin pada ketiga model sistem dengan
gangguan positif pada air charge
No. Analisis Tanpa
kontroler
Kontroler
PID
Kontroler
Adaptif PID
1.
Konsumsi
bensin
(Kg/50 s)
0,1203 0,124669 0,124667
2. Torsi (Nm) 133,5 131,3 131,3
3 Daya (HP) 80,27 80,43 80,43
Pada model sistem tanpa kontroler akan
mengkonsumsi bensin lebih sedikit bensin dibanding
sistem dengan kontroler. Karena terjadinya penambahan
pasokan udara pada air charge membuat massa injeksi
bahan bakar pada sistem yang dikontrol berusaha
mengimbangi jumlah massa udara agar mencapai nilai
stoichiometric air fuel ratio yaitu 14,67. Sedangkan pada
sistem tanpa kontroler jumlah massa bensin berkurang
tidak membuat jumlah massa udara ikut berkurang karena
tidak adanya kontroler yang berusaha menjaga nilai air
fuel ratio tetap pada 14,67.
Sedangkan untuk analisa hasil dari torsi mesin,
sistem pembakaran non injeksi memiliki nilai torsi yang
paling besar dibandingkan dengan sistem dengan
kontroler. Tetapi ditinjau dari segi daya mesin, sistem
tanpa kontroler (sistem pembakaran konvensional)
memiliki daya yang lebih rendah dibanding dengan sistem
fuel injection. Hal ini dikarenakan semakin besar
perbandingan konsentrasi udara dengan bahan bakar maka
daya yang dihasilkan mesin akan menurun.
D7
3.4 Pengujian Perbandingan Sistem dengan
Gangguan Positif (Bertambahnya
Pasokan Bahan Bakar) pada Fuel injector Dengan memberikan masukan berupa sinyal step up
dan gangguan positif (bertambahnya pasokan bahan
bakar) pada fuel injector nya, maka dilakukan beberapa
analisa, yaitu:
1) Perbandingan AFR
Gambar 15. Grafik perbandingan kecepatan mesin
sistem dengan gangguan positif pada air charge
Gambar 15 merupakan perbandingan Air to Fuel
Ratio dari ketiga model sistem dengan gangguan pada
sistem fuel injector. Pada sistem tanpa kontroler
overshoot dari sistem mencapai 0,64 dari (mencapai
angka 15,31), sedangkan pada sistem dengan kontroler
PID AFR hanya mencapai angka 15,17, dan pada sistem
dengan menggunakan metode Adaptif PID AFR hanya
mencapai angka 14,98. Serta dapat dilihat, pada sistem
tanpa kontroler pasca diberi gangguan pada air charge
kestabilan sistem tidak dapat mencapai set point lagi, dari
grafik terlihat set point AFR sistem tanpa kontroler hanya
mencapai angka 14,18.
2) Perbandingan kecepatan mesin.
Gambar 16. Grafik perbandingan kecepatan mesin
sistem dengan gangguan positif pada fuel injector
Dari Dari hasil simulasi, sistem dengan kontroler
memiliki kecepatan yang lebih baik sebelum mencapai
detik ke 10, karena sistem dengan kontroler memiliki rise
time yang lebih cepat untuk mencapai set point.
Sedangkan setelah melewati detik ke 10, sistem tanpa
kontroler memiliki kecepatan mesin yang lebih rendah
dibanding dengan sistem dengan kontroler, yaitu sebesar
4198 rpm. Hal ini dikarenakan nilai AFR pada sistem
tanpa kontroler tidak dapat kembali ke nilai set point nya,
pada sistem ini AFR tertahan pada titik 14,18.
3) Perbandingan integral area error
Gambar 17. Perbandingan integral area error dengan
gangguan positif pada fuel injector
Dari hasil simulasi yang dilakukan, terlihat hasil
yang sangat signifikan pada ketiga sistem. Terlihat bahwa
integral area error yang paling besar dimiliki oleh sistem
tanpa kontroler, yaitu sebesar 26,64. Pada sistem dengan
kontroler PID konvensional, besarnya integral area error
hanya mencapai angka 2,278. Sedangkan pada sistem
dengan kontroler PID Adaptif hanya mencapai angka
1,046. Hal ini membuktikan sistem dengan kontroler PID
sudah cukup baik namun sistem dengan kontroler PID
Adaptif memiliki hasil yang lebih baik.
4) Perbandingan konsumsi bahan bakar, torsi, dan daya
mesin
Tabel 4. Perbandingan analisis konsumsi bensin, torsi,
dan daya mesin pada ketiga model sistem dengan
gangguan positif pada fuel injector
No. Analisis Tanpa
kontroler
Kontroler
PID
Kontroler
Adaptif PID
1.
Konsumsi
bensin
(Kg/50 s)
0,1203 0,11520 0,11513
2. Torsi (Nm) 138,2 139,8 139,8
3 Daya (HP) 83,12 82,43 82,43
Pada model sistem tanpa kontroler akan
mengkonsumsi bensin lebih banyak dibanding sistem
dengan kontroler. Karena dengan terjadinya penambahan
pasokan bahan bakar pada fuel injector membuat massa
udara dalam manifold pada sistem yang dikontrol
berusaha mengimbangi jumlah massa bahan bakar agar
mencapai nilai stoichiometric air fuel ratio yaitu 14,67.
Sedangkan pada sistem tanpa kontroler jumlah massa
bahan bakar yang bertambah tidak membuat jumlah
massa udara ikut bertambah karena tidak adanya kontroler
yang berusaha menjaga nilai air fuel ratio tetap pada
14,67.
Sedangkan untuk analisa hasil dari torsi mesin,
sistem pembakaran non injeksi memiliki nilai torsi yang
lebih kecil dibandingkan dengan sistem dengan kontroler.
Tetapi ditinjau dari segi daya mesin, sistem tanpa
kontroler (sistem pembakaran konvensional) memiliki
D8
daya yang lebih tinggi dibanding dengan sistem fuel
injection. Hal ini dikarenakan semakin kecil perbandingan
konsentrasi udara dengan bahan bakar maka daya yang
dihasilkan mesin akan semakin besar.
4. Kesimpulan Hasil respon sistem spark ignition yang diberi
gangguan positif pada sub sistem air charge nya serupa
dengan respon mesin saat diberi gangguan negatif pada
bagian fuel injectionnya. Sedangkan, hasil respon sistem
spark ignition yang diberi gangguan positif pada sub
sistem fuel injection nya serupa dengan respon mesin saat
diberi gangguan negatif pada bagian air chargenya.
Dapat disimpulkan bahwa semakin kecil nilai
perbandingan antara udara dan bahan bakar (air to fuel
ratio), maka kecepatan putar per menit dari mesin akan
semakin cepat. Semakin besar nilai AFR nya maka
kecepatan putar per menit mesin akan semakin lambat.
Dari seluruh hasil percobaan dengan gangguan, integral
area error yang dimiliki oleh sistem dengan kontroler
Adaptif PID selalu yang terkecil. Contoh pada sistem
dengan gangguan negatif pada air charge, pada masukkan
step up, sistem tanpa kontroler memiliki nilai 21,15,
sedangkan pada PID trial and error hanya memiliki nilai
2,33, dan pada sistem dengan kontroler PID fuzzy gain
scheduling hanya bernilai 1,08. Ini membuktikan bahwa
perancangan kontroler yang dilakukan sudah baik. Untuk
penelitian lebih lanjut dapat juga dikembangkan untuk
menggunakan model predictive control ataupun MRAC
untuk menentukan parameter-parameter penguatan
kontroler sehingga sistem penguatan tidak hanya terpacu
pada penjadwalan nilai dari error. Sehingga hasil yang
diharapkan akan lebih optimal lagi
DAFTAR PUSTAKA
[1] http://id.wikipedia.org/wiki/Mesin_piston, Januari 2013
[2] Fuel delivery and injection control, Toyota Motor Sales,
U.S.A, Inc.
[3] Windharto Arif S.W, “Perbaikan Kinerja Engine Toyota
5K 4 Silinder 1500CC pada Kondisi Percepatan
Menggunakan Knowledge Base Kontrol”, Tugas akhir
Jurusan Teknik Elektro ITS (2005).
[4] Hendricks, Elbert, “A Generic Mean Value Engine
Model for Spark Ignition Engines”. DTU. 2000.
[5] Angga, Effendi Rusdianto., Penerapan PID Predictive
Air-Ratio Controler Pada Mesin Mobil Mitsubishi Tipe
4G63 Untuk Meminimumkan Emisi Gas Buang.
[6] Triwiyatno, A., Sumardi., “Fuel Saving Strategy In
Spark Ignition Engine Using Fuzzy Logic Engine
Torque Control”. MAKARA Journal of Technology
Series, Vol 16, No 1 (2012)
[7] S.H.Lee, R.J.Howlett, S.D.Walters, “Fuzzy Air-Fuel
Ratio Control of a Small Gasoline Engine”. Intelligent
Systems & Signal Processing Laboratories, University
of Brighton. 2003
[8] Zadeh, L. A., Fuzzy Sets, Department of Electical
Engineering and Electronics Research Laboratory,
University of California, Berkeley, 1965.
[9] Abdul Hadi, Muhammad. 2011. “Desain dan
Implementasi Sistem Pengaturan Fuzzy untuk Waktu
Pengapian pada Mesin Pengapian Busi”, ITS Surabaya.
[9] Abdul Hadi, Muhammad. 2011. “Desain dan
Implementasi Sistem Pengaturan Fuzzy untuk Waktu
Pengapian pada Mesin Pengapian Busi”, ITS Surabaya.
[10] Angga, Effendi Rusdianto., Penerapan PID Predictive
Air-Ratio Controler Pada Mesin Mobil Mitsubishi Tipe
4G63 Untuk Meminimumkan Emisi Gas Buang.
[11] Hendricks, E., Vesterholm, T., Kaidantzis, P.,
Rasmussen, P. B., Jensen, M., "Nonlinear Transient Fuel
Film Compensation", SAE Technical Paper No. 930767,
1993.
[12] Hendricks, E., Chevalier, A., Jensen, M., Sorenson, S.
C., Asik, J., and Trumpy, D., "Modelling of the Intake
Manifold Filling Dynamics", SAE Technical Paper No.
960037, 1996.
BIOGRAFI
Muhammad Danang Nuralamsyah
(L2F009079). Lahir di Purwokerto, 26
Juni 1991, menempuh pendidikan di
SDN Jatiasih X Bekasi, SMPN 9 Bekasi,
SMAN 3 Purwokerto. Sekarang sedang
menempuh S1 di Teknik Elektro
Universitas Diponegoro Konsentrasi
Kontrol dan Instrumentasi.
Menyetujui dan Mengesahkan
Pembimbing I
Dr. Aris Triwiyatno, ST.MT
NIP 197509081999031002
Pembimbing II
Budi Setiyono, ST.MT
NIP. 197005212000121001